铸铁管道内部毛刺的投票表决与识别方法

技术领域

本发明涉及数据处理与识别技术领域，具体涉及铸铁管道内部毛刺的投票表决与识别方法。

背景技术

随着科技的发展和进步，制造业中对自动化智能化的加工需求愈来愈多。铸铁排水管道为常规排水管件的首选。合格的铸铁管道为了保证排水效率应满足内壁光滑不存在毛刺。

人工毛刺检测效率低下，且用人成本较高，容易出现误检漏检的情况。利用机器视觉技术可提取出铸铁管道内部的图像特征，根据图像特征进行分析可有效提高毛刺检测效率。但是对于大型制造车间而言，管道的规格多种多样，如果仅用一种特征分析算法对多种规格的铸铁管道图像进行分析，容易降低分析精度。

发明内容

为了解决上述技术问题，本发明的目的在于提供铸铁管道内部毛刺的投票表决与识别方法，所采用的技术方案具体如下：

本发明提出了铸铁管道内部毛刺的投票表决与识别方法，所述方法包括：

获得待检测管道的截面图像；获得所述截面图像中的内壁边缘和外壁边缘；

对所述内壁边缘和所述外壁边缘进行曲线拟合，获得内壁拟合圆形曲线和外壁拟合圆形曲线；根据所述内壁拟合圆形曲线和所述外壁拟合圆形曲线的尺寸参数获得处理滑窗的尺寸；根据所述处理滑窗处理所述内壁边缘，以所述处理滑窗内所述内壁边缘的像素点对应的拟合直线的倾角作为所述处理滑窗中心点的倾角信息；获得所有内壁边缘像素点的所述倾角信息；

获得每个所述内壁边缘像素点在预设邻域范围内的平均倾角信息，获得平均倾角序列；以所述平均倾角序列中的波动数据对应所述内壁边缘像素点作为存疑边缘像素点；

将每个所述存疑边缘像素点的所述邻域范围内的所述内壁边缘像素点进行投票；统计每个所述内壁边缘像素点的投票值，以所述投票值大于平均投票值的所述内壁边缘像素点作为第一毛刺像素点；

将所述截面图像根据预设旋转角度进行旋转，获得旋转图像；获得所述旋转图像的第二毛刺像素点；将所述第一毛刺像素点和所述第二毛刺像素点进行匹配，以成功匹配的所述内壁边缘像素点作为真实毛刺像素点。

进一步地，所述获得待检测管道的截面图像包括：

采集初始截面图像，对所述初始截面图像进行中值滤波操作，获得所述截面图像。

进一步地，所述获得所述截面图像中的内壁边缘和外壁边缘包括：

根据最大类间方差法获得所述截面图像的分割阈值；根据所述分割阈值获得梯度边缘检测算法中的高低阈值，根据所述梯度边缘检测算法获得所述内壁边缘和外壁边缘。

进一步地，所述根据所述内壁拟合圆形曲线和所述外壁拟合圆形曲线的尺寸参数获得处理滑窗的尺寸包括：

根据尺寸自适应调整公式获得所述处理滑窗的尺寸，所述尺寸自适应调整公式包括：

其中，

进一步地，所述以所述平均倾角序列中的波动数据对应所述内壁边缘像素点作为存疑边缘像素点包括：

将所述平均倾角序列进行曲线拟合，获得倾角变化参考曲线；以所述倾角变化参考曲线的离散点对应的所述内壁边缘像素点作为所述存疑边缘像素点。

进一步地，所述将所述第一毛刺像素点和所述第二毛刺像素点进行匹配包括：

将所述第二毛刺像素点的坐标信息旋转至所述第一毛刺像素点的坐标系中；

获得所述第一毛刺像素点和所述第二毛刺像素点到所述内壁拟合圆形曲线圆心的偏移距离；

若所述第一毛刺像素点与对应位置处的所述第二毛刺像素点的所述偏移距离相等，则认为所述第一毛刺像素点与所述第二毛刺像素点匹配成功。

进一步地，获得所述真实毛刺像素点后还包括：

以所述内壁拟合圆形曲线的半径与所述真实毛刺像素点的所述偏移距离的差作为所述真实毛刺像素点的毛刺高度；以所有所述真实毛刺像素点的所述毛刺高度的累加值作为所述待检测管道的毛刺程度。

本发明具有如下有益效果：

1.本发明实施例通过图像信息获得待检测管道的内壁边缘和外壁边缘。根据内壁边缘和外壁边缘可获得待检测管道的规格尺寸。进一步根据管道的规格尺寸自适应的设定处理窗口的尺寸，根据合适的处理窗口获得内壁边缘像素点的倾角信息，提高了毛刺检测精度。

2.本发明实施例通过将图像旋转并将旋转后获得的第二毛刺像素点与初始的第一毛刺像素点进行匹配分析，根据匹配结果筛除因为管道位置对倾角突变点的误检，进一步提高了毛刺检测的精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的铸铁管道内部毛刺的投票表决与识别方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的铸铁管道内部毛刺的投票表决与识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的铸铁管道内部毛刺的投票表决与识别方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的铸铁管道内部毛刺的投票表决与识别方法流程图，该方法包括：

步骤S1：获得待检测管道的截面图像；获得截面图像中的内壁边缘和外壁边缘。

在铸铁管道制造车间中，将铸造切割完成的铸铁管道放置在传送带上，在传送带旁可设置工业相机，以使工业相机可采集到铸铁管道的截面图像，工业相机的位置合适且光源恒定，通过可见光光源采集清晰完整的图像信息。在本发明实施例中，将铸铁管道横向放置在传送带上，利用传送带侧面的工业相机采集图像信息。

在图像信息采集、传输过程中，受到环境和输入输出转换器件的影响，采集到的初始截面图像中会存在多种噪声。考虑到图像中主要噪声类别为椒盐噪声，因此对初始截面图像进行中值滤波操作，对图像进行降噪并保持图像空域的边缘信息，获得截面图像。

对截面图像进行边缘检测获得内壁边缘和外壁边缘。在本发明实施例中，选用sobel算子对截面图像进行梯度计算，具体计算过程为本领域技术人员熟知的技术手段，在此不做赘述。获取每个像素点的梯度信息后，需要根据梯度信息大小提取出边缘像素点，因此需要设置高低阈值对像素点进行筛选。根据最大类间方差法获得截面图像的分割阈值。根据分割阈值可将背景和管道信息分割出来。因此根据分割阈值获得梯度边缘检测算法中的高低阈值，根据梯度边缘检测算法获得内壁边缘和外壁边缘。在本发明实施例中，利用分割阈值作为梯度边缘检测中的高阈值，以分割阈值的三分之一作为梯度边缘检测中的低阈值。

步骤S2：对内壁边缘和外壁边缘进行曲线拟合，获得内壁拟合圆形曲线和外壁拟合圆形曲线；根据内壁拟合圆形曲线和外壁拟合圆形曲线的尺寸参数获得处理滑窗的尺寸；根据处理滑窗处理内壁边缘，以处理滑窗内内壁边缘的像素点对应的拟合直线的倾角作为处理滑窗中心点的倾角信息；获得所有内壁边缘像素点的倾角信息。

为了获得当前待检测管道的规格，对内壁边缘和外壁边缘进行曲线拟合，获得内壁拟合圆形曲线和外壁拟合圆形曲线。在本发明实施例中，利用最小二乘法对内壁边缘和外壁边缘的像素点坐标进行拟合。

在利用视觉信息对管道内壁毛刺进行检测时，往往通过各个内壁边缘像素点的曲率或者切线斜率进行检测。但是对于尺寸规格较大的管道，管道内径较大，在分析局部位置的像素点时需要有足够多的像素点参与曲率或者切线斜率计算，因此需要利用尺寸较大的处理窗口进行处理分析；内壁边缘的整体曲率越小，则局部曲率的变化较小，因此需要利用尺寸较大的处理窗口增强变化特征。因此处理窗口的尺寸大小应与待检测管道规格成正比，与内壁边缘整体曲率成反比。根据内壁拟合圆形曲线和外壁拟合圆形曲线的尺寸参数获得处理滑窗的尺寸具体包括：

根据尺寸自适应调整公式获得处理滑窗的尺寸，尺寸自适应调整公式包括：

其中，

需要说明的是，因为内壁拟合圆形为一个完整的圆形，因此内壁拟合圆形曲线的曲率为内壁拟合圆形曲线半径的倒数。

在本发明实施例中，初始尺寸设置为5，缩放系数设置为28。

根据处理滑窗处理内壁边缘，即以内壁边缘像素点为处理滑窗中心点进行处理，以处理滑窗内内壁边缘的像素点对应的拟合直线的倾角作为处理滑窗中心点的倾角信息，遍历所有内壁边缘像素点，获得每个内壁像素点的倾角信息。

在本发明实施例中，利用最小二乘法拟合处理窗口中的内壁边缘像素点，获得拟合直线，根据拟合直线的斜率获得倾角信息。

步骤S3：获得每个内壁边缘像素点在预设邻域范围内的平均倾角信息，获得平均倾角序列；以平均倾角序列中的波动数据对应内壁边缘像素点作为存疑边缘像素点。

为了进一步放大毛刺对于内壁边缘像素点的倾角信息的影响，获得每个内壁边缘像素点在预设邻域范围内的平均倾角信息。如果在一个内壁边缘像素点的邻域范围内存在毛刺点，则毛刺点的倾角信息会影响平均倾角信息的大小，因此平均倾角信息能够有效反映出内壁边缘像素点邻域范围内存在的毛刺点对倾角信息的影响。在本发明实施例中，邻域范围设置为7，即以内壁边缘像素点为中心，结合两侧各三个其他内壁边缘像素点的倾角信息获得平均倾角信息。

获得每个内壁边缘像素点位置处的平均倾角信息，获得平均倾角序列。平均倾角序列中每个元素的位置表示对应的内壁边缘像素点的位置。在本发明实施例中，任选一个内壁边缘像素点的平均倾角信息作为平均倾角序列的顶点，沿着内壁边缘顺时针获取其他内壁边缘像素点的平均倾角信息，获得平均倾角序列。

如果管道内壁为光滑的，则对应的平均倾角序列中可呈现有规律的线性变化。如果管道内壁存在毛刺，则平均倾角序列中的元素会被影响，造成序列波动。因此以平均倾角序列中的波动数据对应的内壁边缘像素点作为存疑边缘像素点。获取波动数据的具体方法包括：

将平均倾角序列进行曲线拟合，获得倾角变化参考曲线。因为毛刺点相对于正常内壁边缘点为少了数据，因此倾角变化参考曲线为一条光滑且线性变化的曲线，则游离与该曲线外的离散点为受到毛刺点影响的点。因此以倾角变化参考曲线的离散点对应的内壁边缘像素点作为存疑边缘像素点。需要说明的是，离散点的判定方法为本领域技术人员熟知的技术手段，在此不做赘述。

步骤S4：将每个存疑边缘像素点的邻域范围内的内壁边缘像素点进行投票；统计每个内壁边缘像素点的投票值，以投票值大于平均投票值的内壁边缘像素点作为第一毛刺像素点。

存疑边缘像素点表示受到毛刺点影响的像素点或者本身为毛刺点的像素点。因此将每个存疑边缘像素点的邻域范围内的内壁边缘像素点进行投票，即每有一个存疑边缘像素点，则对该存疑边缘像素点的邻域范围内所有内壁边缘像素点的投票值加一。统计每个内壁边缘像素点的投票值，因为存疑边缘像素点为毛刺点或正常内壁边缘像素点，毛刺点对其他内壁边缘像素点影响较多，因此毛刺点的投票值较大，正常内壁边缘像素点的投票值较小，因此可根据投票值大小确定毛刺点。以投票值大于平均投票值的内壁边缘像素点作为第一毛刺像素点。

步骤S5：将截面图像根据预设旋转角度进行旋转，获得旋转图像；获得旋转图像的第二毛刺像素点；将第一毛刺像素点和第二毛刺像素点进行匹配，以成功匹配的内壁边缘像素点作为真实毛刺像素点。

需要说明的是，本发明实施例通过投票的方法确定毛刺点可避免直接分析局部曲率时因为图像中正常的局部曲率突变点造成误检的情况。局部曲率突变点如正常圆形内壁边缘轮廓与水平直径线交点处附近的边缘点。

为了进一步筛除第一毛刺像素点中的局部曲率突变点，将截面图像根据预设旋转角度进行旋转，获得旋转图像。将旋转图像利用同样的毛刺点提取方法，获得第二毛刺像素点。将第一毛刺像素点和第二毛刺像素点进行匹配，以成功匹配的内壁边缘像素点作为真实毛刺像素点。其中，匹配过程具体包括：

将第二毛刺像素点的坐标信息旋转至第一毛刺像素点的坐标系中。

获得第一毛刺像素点和第二毛刺像素点到内壁拟合圆形曲线圆心的偏移距离。

若第一毛刺像素点与对应位置处的第二毛刺像素点的偏移距离相等，则认为第一毛刺像素点与第二毛刺像素点匹配成功。

在本发明实施例中，旋转角度设置为90°。根据旋转角度将第二毛刺像素点的坐标信息旋转至第一毛刺像素点的坐标系的具体方法包括：

其中，

经过匹配过程后，匹配成功的点为真实毛刺像素点。可根据真实毛刺点的空间信息确定当前管件的毛刺程度，具体包括：

以内壁拟合圆形曲线的半径与真实毛刺像素点的偏移距离的差作为真实毛刺像素点的毛刺高度。以所有真实毛刺像素点的毛刺高度的累加值作为待检测管道的毛刺程度。根据每个铸铁管道的毛刺程度可对当前生产批次的质量进行评估，判断是否需要调整工艺参数。

综上所述，本发明实施例通过截面图像中的边缘信息获得待检测管道的规格。根据待检测管道的规格调整处理窗口的尺寸。通过处理窗口获得所有内壁边缘像素点的倾角信息，获得每个内壁边缘像素点邻域范围内的平均倾角信息，获得平均倾角序列。根据平均倾角序列中的波动数据获得存疑边缘像素点。对存疑边缘像素点的邻域范围内的内壁边缘像素点进行投票，根据投票值大小获得第一毛刺像素点。将截面图像旋转并获得第二毛刺像素点。以第一毛刺像素点和第二毛刺像素点互相匹配的内壁边缘像素点作为真实毛刺像素点。本发明实施例通过管道规格调整处理窗口尺寸并消除误检点，提高了毛刺检测过程中的精度和效率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。